Michał Burdukiewicz:

• bioinformatyk (MiNI PW),
• 12 lat doświadczenia z R,
• Stowarzyszenie Wrocławskich Użytkowników R (stwur.pl),
• Fundacja Why R? (whyr.pl).

Materiały: https://github.com/michbur/WizualizacjaDanychWyklad

Mail: michalburdukiewicz@gmail.com

• Wilkinson, L. (2005). The Grammar of Graphics (New York: Springer-Verlag).
• Biecek, P. (2016). Zbiór esejów o sztuce prezentowania danych Odkrywać! Ujawniać! Objaśniać!” (Warszawa: Wydawnictwa Uniwersytetu Warszawskiego.

1. Gramatyka grafiki.
2. Błędy w wizualizacjach danych.
3. Efektywne projektowanie dashboardów.
4. Zaaawansowane wizualizacje danych.

Joint Committee on Standards for Graphic Presentation (1915). Standards for Graphic Presentation. Publications of the American Statistical Association 14, 790–797.

Gramatyka grafiki (grammar of graphics): ustrukturyzowany opis wizualizacji danych.

Wilkinson, L. (2005). The Grammar of Graphics (New York: Springer-Verlag).

Źródło: https://blog.gtwang.org/

Atrybuty wizualne (aesthetics): mapowanie danych do osi, kolorów, kształtów.

Oś X: Sepal.Length. Oś Y: Petal.Length.

Oś X: Sepal.Length. Oś Y: Petal.Length. Kolor: Species.

Oś X: Sepal.Length. Oś Y: Petal.Length. Kształt: Species.

Oś X: Sepal.Length. Oś Y: Petal.Length. Kształt: Species. Kolor: Species.

Geometrie: obiekty reprezentujące dane.

Orientacja obiektów geometrycznych wzgledem siebie też jest istotna.

Dzielenie wykresu na podwykresy w zależności od poziomu zmiennej dyskretnej.

Transformacje danych w celu przypisania ich do atrybutów wizualnych.

• cut: cięcie
• clarity: czystość
• color: kolor
• carat: waga (w karatach)
• price: cena (USD)

Wykresy 3D w R: https://github.com/tylermorganwall/rayshader

Inspiracje: VennGage

1. Czcionki.
2. Kolory.
3. Dodatkowe elementy graficzne.
4. Układ treści.

1. Czcionka do tytułów/nagłówków.
2. Treść dokumentu.
3. Wyróżnianie treści.

Czcionki wykorzystywane przez Tableau są tak dobrane, aby zapewnić maksymalną czytelność przy małych rozmiarach.

Kolory mogą nawiązywać do treści wizualizacji…

… ale schemat kolorystyczny powinien być stosowany konsekwentnie.

Źródło: http://www.asawicki.info/

Źródło: http://www.asawicki.info/

Źródło: http://www.asawicki.info/

https://www.color-blindness.com/coblis-color-blindness-simulator/

Tableau domyślnie dobiera palety kolorów (zarówno ilościowe jak i kategoryczne), które są łatwo rozróżnialne również dla osób z zaburzeniami widzenia barwnego.

Elementy graficzne nawiązujące do treści wzmacniają przekaz i pozwalają lepiej zrozumieć dane.

Dashboard może zawierać tylko jeden wykres, co nie przekłada się na łatwość jej zrozumienia.

Trudne porównania - niewłaściwie wybrana metoda wizualizacja.

Niewłaściwie wybrana metoda wizualizacji.

Zbyt duża ilość informacji na jednym wykresie.

How to Lie with Statistics, Darrell Huff

1. Programistyczne (R, Python, JavaScript)
2. Programy graficzne (Inkscape).
3. Programy dedykowane do wizualizacji danych (Tableau).

Deklaratywne:

• zadanie: warunki jakie musi spełniać wizualizacja,
• jak wizualizacja jest wykonywana jest rozstrzygane wewnętrznie i niezależnie od użytkownika,
• oddzielenie specyfikacji od wykonania.

Imperatywne:

• zadanie: krok po kroku jak stworzyć wizualizację,
• użytkownik w pełni kontroluje każdy detal wizualizacji,
• jeśli warunki jakie musi spełniać wizualizacja zmienią się nawet odrobinę, instrukcja tworzenia może się zmienić znacząco.

https://altair-viz.github.io/gallery/simple_bar_chart.html

https://altair-viz.github.io/gallery/scatter_tooltips.html

https://altair-viz.github.io/gallery/line_with_ci.html

Pythonowe API dla Vega-Lite.

Brian Granger, uzasadniając stworzenie Altaira: I love Python, but do my visualisations using R/ggplot2.

• Małe wsparcie dla typowo stastycznych wizualizacji

Pakiet R: https://github.com/vegawidget/altair (używa reticulate).

https://demo.bokeh.org/movies

• Python jako API do BokehJS,
• praca głownie w Pythonie, JSowy silnik mało dostępny i źle udokumentowany,
• całe dashboardy.

• implementacja w R: https://github.com/bokeh/rbokeh
• ostatni commit: 26.04.2017

Leaflet.js: interaktywne mapy.

W R: https://rstudio.github.io/leaflet/

W Pythonie: https://github.com/python-visualization/folium

https://matplotlib.org/

• trudne zarządzanie czasem na osiach,
• niesatysfakcjonujące mapowanie do kształtów.

Rozszerzenia: https://mpld3.github.io/

https://seaborn.pydata.org/ - oparte na matplotlib.

Świetne szablony wizualizacji!

Pakiety w R: https://github.com/hrbrmstr/vegalite i https://github.com/vegawidget/vegawidget

JSONowa specyfikacja wizualizacji.

Lyra (nie zniechęcać się http://vega.github.io/lyra/).

Lyra 1.0 jest online i działa satysfakcjonująco: http://idl.cs.washington.edu/projects/lyra/.

Inkscape: darmowy i otwarty edytor grafiki wektorowej.

• Oficjalny tutorial.
• Inkscape w praktyce.